一种人工神经网络运算的处理方法技术

一种智能领航方法，包括：通过目标识别装置对航行时拍摄的图像进行处理，并且与样本库进行比对，识别图像中的障碍物类型；通过信息处理装置接收处理后的图像和识别的障碍物类型，并通过神经网络运算，输出航行选择数据。本公开的方法可以应用于智能领航，能够节约人力成本，同时降低了交通工具航行过程中的风险。

A processing method of artificial neural network

An intelligent navigation method includes: processing the image taken during navigation by the target recognition device, and comparing it with the sample library to identify the obstacle type in the image; receiving the processed image and identifying the obstacle type by the information processing device, and outputting the navigation selection through the operation of the neural network. Data. The disclosed method can be applied to intelligent navigation, which can save manpower cost and reduce the risk in the course of vehicle navigation.

【技术实现步骤摘要】
一种人工神经网络运算的处理方法
本公开涉及信息处理
，具体涉及一种智能领航方法。
技术介绍
目前在驾驶或航海领域，特别是在领航领域，在航道密集，水面状况复杂的情况下，船只一般通过激光雷达与传统雷达进行激光标识物来规避航行风险。而对于微小的漂浮物，则主要靠领航员在航行中不断地观察细小的漂浮物，从而对水面以及水下的障碍物进行规避。现有的技术一种为声呐水下探测技术，可参考声呐探鱼器，但其只对水下目标有效，复杂水域对探测的准确率影响较大；一种为雷达探测技术，例如传统雷达或激光雷，但是雷达存在近距离目标探测盲区，无法及时发现周围水面存在的漂浮物；还有一种是视觉系统探测技术，主要是水面目标特征提取，但传统视觉探测技术只能分辨岛屿轮船等具有显著辨识特点的物体，对于复杂的水面环境无法起到作用；再有一种是人工辨识，但人工辨识成本太高，而且对领航员的要求较高。
技术实现思路
(一)要解决的技术问题有鉴于此，本公开的目的在于提供一种智能领航方法，以解决至少部分技术问题。(二)技术方案为实现上述目的，本公开提供一种智能领航方法，包括：通过目标识别装置对航行时拍摄的图像进行处理，并且与样本库进行比对，识别图像中的障碍物类型；通过信息处理装置接收处理后的图像和识别的障碍物类型，并通过神经网络运算，输出航行选择数据。在进一步方案中，通过信息处理装置内部的神经网络芯片执行所述神经网络运算。在进一步方案中，通过信息处理装置内部的神经网络芯片执行所述神经网络运算包括：通过存储单元存储输入数据，存储神经网络参数以及计算指令，所述输入数据包括处理后的图像和识别的障碍物类型；通过控制单元从所述存储单元提取计算指令，解析该计算指令得到多个运算指令；通过运算单元依据该多个运算指令对该输入数据执行计算得到航行选择数据。在进一步方案中，通过存储单元存储输入数据，存储神经网络参数以及计算指令，包括：通过输入输出模块获取输入数据、神经网络参数以及计算指令；通过标量数据存储模块存储标量数据；在进一步方案中，所述存储单元还包括：通过输入输出模块获取输入数据、神经网络参数以及计算指令；通过标量数据存储模块存储标量数据；通过存储介质存储数据块。在进一步方案中，还包括：通过直接内存存取DMA存入存储单元中的数据，神经网络参数和计算指令，以供控制单元和/或运算单元调用。在进一步方案中，还包括：通过神经网络芯片中的指令缓存从所述直接内存存取DMA缓存指令，供控制电路调用，所述指令缓存为片上缓存。在进一步方案中，还包括：通过神经网络芯片中的输入神经元缓存从所述直接内存存取DMA缓存输入神经元，供运算单元调用；通过神经网络芯片中的权值缓存从所述直接内存存取DMA缓存权值，供运算单元调用；通过神经网络芯片中的输出神经元缓存存储从所述运算单元获得运算后的输出神经元，以输出至直接内存存取DMA。在进一步方案中，通过信息处理装置内的输入数据编码器将处理后的图像和识别的障碍物类型转变为神经网络可以处理的数字信息。在进一步方案中，还包括：通过信息处理装置的存储器存储当前时间段内的航行状况以及不同时间段的航行选择数据；通过信息处理装置的运算器根据航行选择队列数据，计算航行的风险和/或当前航行的损耗。在进一步方案中，还包括：通过信息处理装置的数据输入输出端接收输入数据编码器的信号，并将其传入人工神经网络芯片作为输入；还用于接收神经网络芯片输出端输出的航行选择数据，并存入存储器；以及用于从存储器读取航行选择队列和当期时间段内的航行状况，输入到运算器。在进一步方案中，还包括：通过信息处理装置的输出数据转换器将运算器计算的航行的风险和/或当前航行的损耗数据重新编码后传输给外部设备。在进一步方案中，还包括：所述输出数据转换器将运算器计算的结果回传至目标识别装置，以及更新所述样本库。在进一步方案中，还包括：通过所述神经网络芯片在外部设备或船员做出航行选择后，收集输入-输出信息组，自适应地更新神经网络参数，训练生成新的神经网络参数。在进一步方案中，通过目标识别装置对航行时拍摄的图像进行处理，并且与样本库进行比对，识别图像中的障碍物类型，包括：通过图像处理单元将输入图像进行预处理、二值化以及选择子区域提取特征；通过比对单元将提取的特征与样本库中的样本进行必读，初步识别图像中的障碍目标类型。(三)有益效果(1)本公开的方法可以应用于智能领航，能够节约人力成本，同时降低了交通工具(例如船只)航行过程中的风险；(2)本公开的智能领航方法中，使用专门的神经网络芯片实现了领航，可以更好的适应不同的水域状况，同时解决了实时运行的神经网络的延迟问题(而普通硬件上神经网络运行速度较慢，导致AI领航算法运行速度较慢，导致船只无法及时收到航行状态的反馈，不具备实时性)。附图说明图1是本公开实施例的一种信息处理装置方框示意图。图2是图1中神经网络芯片的方框示意图。图3是本公开实施例的智能领航设备的方框示意图。图4是智能领航系统的一种应用场景示意图。图5是智能领航系统的另一种应用场景示意图。图6是本公开实施例的一种智能领航方法的运行流程图。具体实施方式为使本公开的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本公开作进一步的详细说明。在下文中，将提供实施例以详细说明本公开的实施方案。本公开的优点以及功效将通过本公开所公开的内容而更为显著。在此说明所附的附图简化过且作为例示用。附图中所示的组件数量、形状及尺寸可依据实际情况而进行修改，且组件的配置可能更为复杂。本公开中也可进行其他方面的实践或应用，且不偏离本公开所定义的精神及范畴的条件下，可进行各种变化以及调整。图1是本公开实施例的一种信息处理装置方框示意图。根据本公开实施例的一方面，提供一种信息处理装置110，用于接收未处理或处理后的图像和/或识别的障碍物类型，并通过神经网络运算，输出航行选择数据。其中，该图像可以来自航行时拍摄的交通工具(陆地或者海上)航行时周边所拍摄的视频帧或图像；可以是经过预处理的含提取特征的图像数据或者未经处理的图像数据。通过对该图像和图像中障碍物类型进行神经网络运算分析，确定障碍物类型进而确定航行选择，例如是否避开该障碍物，以何种方式避开。通过该信息处理装置，能够在高效分析图像中是否有障碍物，以及障碍物准确类型，并给出航行选择，可以节约人力成本，同时降低了交通工具航行过程中的风险。该信息处理装置110可以根据输入数据以及一段时间内的历史图像信息以及在这些历史图像情况下所选择的航行信息进行训练，通过LSTM模型初始化参数与相关输入数据的运算结果，得到损失函数，计算在该状况下代价最小的航行选择，接着对外返回并呈现智能领航所判断的最优航行选择。同时在船员做出航行选择后，收集输入-输出信息组，自适应地更新神经网络(例如LSTM长短期记忆网络)中的参数(如权值、偏置等)，进而生成训练生成新的神经网络参数。在一些实施例中，信息处理装置110包括：神经网络芯片111，其用于执行神经网络运算。通过采用专用的神经网络芯片，能够加速神经网络运算的速度，以提供及时的航行策略。在一些实施例中，信息处理装置110提供的航行选择数据，包括但不限于：是否有障碍物、障碍物的类型、天气情况、是否应该躲避、前进方向、前进速度和/或状况紧急程度。图2本文档来自技高网...

【技术保护点】
1.一种智能领航方法，其特征在于包括：通过目标识别装置对航行时拍摄的图像进行处理，并且与样本库进行比对，识别图像中的障碍物类型；通过信息处理装置接收处理后的图像和识别的障碍物类型，并通过神经网络运算，输出航行选择数据。

【技术特征摘要】
1.一种智能领航方法，其特征在于包括：通过目标识别装置对航行时拍摄的图像进行处理，并且与样本库进行比对，识别图像中的障碍物类型；通过信息处理装置接收处理后的图像和识别的障碍物类型，并通过神经网络运算，输出航行选择数据。2.根据权利要求1所述的智能领航方法，其特征在于，通过信息处理装置内部的神经网络芯片执行所述神经网络运算。3.根据权利要求2所述的智能领航方法，其特征在于，通过信息处理装置内部的神经网络芯片执行所述神经网络运算包括：通过存储单元存储输入数据，存储神经网络参数以及计算指令，所述输入数据包括处理后的图像和识别的障碍物类型；通过控制单元从所述存储单元提取计算指令，解析该计算指令得到多个运算指令；通过运算单元依据该多个运算指令对该输入数据执行计算得到航行选择数据。4.根据权利要求3所述的智能领航方法，其特征在于，通过存储单元存储输入数据，存储神经网络参数以及计算指令，包括：通过输入输出模块获取输入数据、神经网络参数以及计算指令；通过标量数据存储模块存储标量数据。5.根据权利要求4所述的智能领航方法，其特征在于，所述存储单元还包括：通过输入输出模块获取输入数据、神经网络参数以及计算指令；通过标量数据存储模块存储标量数据；通过存储介质存储数据块。6.根据权利要求4所述的智能领航方法，其特征在于，还包括：通过直接内存存取DMA存入存储单元中的数据，神经网络参数和计算指令，以供控制单元和/或运算单元调用。7.根据权利要求6所述的智能领航方法，其特征在于，还包括：通过神经网络芯片中的指令缓存从所述直接内存存取DMA缓存指令，供控制电路调用，所述指令缓存为片上缓存。8.根据权利要求6所述的智能领航方法，其特征在于，还包括：通过神经网络芯片中的输入神经元缓存从所述直接内存存取DMA缓存输入神经元，供运算单元调用；通过神经网络芯片中的权值缓存从所述直接内存存取DMA缓存...

【专利技术属性】
技术研发人员：吴凡迪，陈云霁，
申请(专利权)人：中国科学院计算技术研究所，
类型：发明
国别省市：北京,11